文献

J-GLOBAL ID：201702271582911713   整理番号：17A0448266

スマート環境における活動認識を改善するためのセンサトポロジーの教師なし学習【Powered by NICT】

Unsupervised learning of sensor topologies for improving activity recognition in smart environments

著者 (4件)： Twomey Niall (Department of Electrical and Electronic Engineering, University of Bristol, United Kingdom) ,  Diethe Tom (Department of Electrical and Electronic Engineering, University of Bristol, United Kingdom) ,  Craddock Ian (Department of Electrical and Electronic Engineering, University of Bristol, United Kingdom) ,  Flach Peter (Department of Computer Science, University of Bristol, United Kingdom)
資料名： Neurocomputing  (Neurocomputing)
巻： 234  ページ： 93-106  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： センシングシステムでの最近の重要な関心が寄せられていると「スマート環境の,この分野での縦断的研究の数であった。典型的にこれらの研究の目的は,時間の一モーメントで,予測ホームの常在(s)が関与することを活性または活性する方法を開発することである,それは挙動の正常または異常パターン(例えばヘルスケア設定における)の決定に用いることができる。,条件付き確率場(CRF)のような分類アルゴリズムは,一般的に,特徴としてセンサ活性化を考察したが,これらは,しばしば,独立したかのように,これは一般的には非等価である処理した。著者らの仮説は,センサの組み合わせに基づいて学習パターンは単一センサ単独よりも強力であるということである。網羅的アプローチセンサの全ての可能な組合せを各組合せのための分類器の重みを学習するためには明確には演算上利用できない。信号処理と情報理論的技術の適用により,時間前方の分類に有用であることをセンサの組合せを決定することを可能にするホームにおけるセンサトポロジー(すなわち隣接行列を学習)について学ぶことができることを示した。結果として,網羅的アプローチよりも良好な分類性能を達成することができ,計算資源の観点から低コストを招く一方だけであった。いくつかのデータセット,この方法はレイアウトの変化と住宅の居住者の数のロバストであることを示すことに著者らの結果を実証した。さらに,隣接行列CRF学習フレームワークに取り込まれた複数のベースライン性能を向上させることができることを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 住民 ,  ロバスト性 ,  演算 ,  *センサ ,  基準線 ,  *学習 ,  *教師なし学習 ,  機械学習 ,  情報理論
準シソーラス用語： 隣接行列 ,  分類アルゴリズム ,  条件つき確率場 ,  センサシステム ,  *行動認識 ,  *スマート環境 , 【Automatic Indexing@JST】

著者キーワード (7件)： 機械学習 ,  ディジタル信号処理 ,  スマート住宅 ,  活動認識 ,  日常生活の活動 ,  教師なし学習 ,  メタ学習

分類 (3件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (3件)： スマート環境 ,  活動認識 ,  教師なし学習